培训情绪分析数据

Question

我在哪里可以获得已被归类为公司域中情绪的正面/负面的文档集？我想要一大堆文件,为公司提供评论,例如分析师和媒体提供的公司评论.

我发现有产品和电影评论的语料库.是否有业务领域的语料库,包括符合业务语言的公司评论？

Answer 1

http://www.cs.cornell.edu/home/llee/data/

http://mpqa.cs.pitt.edu/corpora/mpqa_corpus

您可以使用twitter及其表情符号,如下所示:http://web.archive.org/web/20111119181304/http: //deepthoughtinc.com/wp-content/uploads/2011/01/Twitter-as-a-语料库换情感分析和-观点- Mining.pdf

希望能让你开始.如果您对特定的子任务感兴趣,例如否定,情感范围等,那么文献中还有更多内容.

为了关注公司,您可以将方法与主题检测结合起来,或者只是对一家公司的大量提及.或者您可以通过Mechanical Turkers对您的数据进行注释.

Answer 2

这是几周前我在博客上写的一个列表.其中一些数据集最近已包含在NLTK Python平台中.

词典

• 刘冰的意见词典

  • 网址:http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#lexicon
  • 论文:挖掘和总结客户评论
  • 注意:包含在NLTK Python平台中

• MPQA主观性词典

  • 网址:http://mpqa.cs.pitt.edu/#subj_lexicon
  • 论文:认识到短语层面情绪分析中的语境极性(Theresa Wilson,Janyce Wiebe和Paul Hoffmann,2005).

• SentiWordNet

  • 网址:http://sentiwordnet.isti.cnr.it
  • 注意:包含在NLTK Python平台中

• 哈佛大将军询问者

  • 网址:http://www.wjh.harvard.edu/~inquirer
  • 论文:一般问询者:内容分析的计算机方法(Stone,Philip J; Dexter C. Dunphry; Marshall S. Smith;和Daniel M. Ogilvie.1966)

• 语言查询和单词计数(LIWC)

  • 网址:http://www.liwc.net

• 维达词典

  • 网址:https://github.com/cjhutto/vaderSentiment,http://comp.social.gatech.edu/papers
  • 论文:Vader:一种基于规则的简约模型,用于社交媒体文本的情感分析(Hutto,Gilbert.,2014)

数据集

• MPQA数据集

  • 网址:http://mpqa.cs.pitt.edu

  • 注意:GNU公共许可证.

    • 政治辩论数据
    • 产品辩论数据
    • 主观意义注释

• Sentiment140(推文)

  • 网址:http://help.sentiment140.com/for-students
  • 论文:Twitter使用远程监督发送分类(Go,Alec,Richa Bhayani和Lei Huang)
  • 网址:http://help.sentiment140.com,https://groups.google.com/forum/#!forum/sentiment140

• STS-Gold(推文)

  • 网址:http://www.tweenator.com/index.php？page_id = 13
  • 论文:推特情绪分析的评估数据集(Saif,Fernandez,He,Alani)
  • 注意:作为Sentiment140,但数据集较小且带有人类注释器.它附带3个文件:推文,实体(带有情感)和聚合集.

• 客户评论数据集(产品评论)

  • 网址:http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文:挖掘和总结客户评论
  • 注:评论标题,产品特征,带有意见强度的积极/消极标签,其他信息(比较,代名词解析等)

  包含在NLTK Python平台中

• 利弊数据集(利弊)

  • 网址:http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文:比较句中的挖掘意见(Ganapathibhotla,Liu 2008)
  • 注:标记<pros>或标记的句子列表<cons>

  包含在NLTK Python平台中

• 比较句(评论)

  • 网址:http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文:识别文本文件中的比较句(Nitin Jindal和Bing Liu),客户评论中的挖​​掘意见特征(胡敏清和刘冰)
  • 注释:句子,POS标记的句子,实体,比较类型(非等同,等同,最高级,不可分级)

  包含在NLTK Python平台中

• 桑德斯分析Twitter情绪语料库(推文)

  • 网址:http://www.sananalytics.com/lab/twitter-sentiment

  5513手分类推文有4个不同的主题.由于Twitter的ToS,包含一个小的Python脚本来下载所有的推文.情绪分类本身是免费提供的,没有任何限制.它们可用于商业产品.它们可能会被重新分配.它们可能会被修改.

• 西班牙语推文(推文)

  • 网址:http://www.daedalus.es/TASS2013/corpus.php

• SemEval 2014(推文)

  • 网址:http://alt.qcri.org/semeval2014/task9

  您不得重新分发推文,注释或获得的语料库(来自自述文件)

• 各种数据集(评论)

  • 网址:https://personalwebs.coloradocollege.edu/~mwhitehead/html/opinion_mining.html
  • 论文:构建通用跨域情感挖掘模型(Whitehead和Yaeger),使用集合分类模型进行情感挖掘(Whitehead和Yaeger)

• 各种数据集#2(评论)

  • 网址:http://www.text-analytics101.com/2011/07/user-review-datasets_20.html

参考文献:

• Keenformatics - 情感分析词典和数据集(我的博客)
• 个人经验

Answer 3

还有一些;

http://inclass.kaggle.com/c/si650winter11

http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html